最近几天 Claude 和 GPT 上新模型了,市场又开始在讨论 skill 的价值,大家普遍认为:
Skill 要完蛋了,要被 Agent 和大模型的能力给逐渐内化掉,现在写 Skill 就是在给 AI 打工。
我只认同部分。
1.通用型 Skill 被内化是必然,比如软件工程,设计等,我们常看到自媒体炒作的 TOP 10 必装 Skill
这些 skill 本质上是在某个阶段弥补模型能力和 Agent 工程的不足。
2.Skill 的本质是知识经验的载体,今天可以是 Skill 来承接,明天可能就变成了 MCP。
再往后又不知道会是什么玩意,甚至是提示词的文艺复兴🤷♂️
但独有的知识经验,一线的业务方法,人与人之间认知隔阂永远不会消失。
所以垂直领域/业务型 Skill,在未来一段时间内都有重要价值。
3.同样的一个 Skill,为什么不同的人去调用的时候,效果差异这么大?
除了上下文,模型能力,Agent Harness(框架)的差异外,我觉得最重要的因素是:
大概率这个 Skill 写的很差。
比如同样的跨境电商选品的 Skill,但大部分背后只是一段简单提示词来调用数据 MCP ,5 分钟就能写好然后上线。
但我来做,我会:
用脚本+LLM 的有序编排来确保稳定性;联网搜索和数据 MCP 结合来交叉验证数据准确性;设置多个降级链路来做路径兜底;以产品开发和软件工程的标准来跑 Skill 的测试验收。
这样做出来的 Skill,能够最大程度确保不同用户调用时,任务运行的稳定性。
这也是我年初至今烧了几百亿 Token 后,沉淀出来的 Skill 开发心得。
感兴趣的朋友可以 去 Workbuddy 试试我做的 skill (阉割版),或者翻我历史文章找 github 原版
最后。
Skill 从年初的爆火到现在被市场看空,中间不过大半年。
Openclaw 类助手Agent从狂热到无人问津,又到最近 Muse、Today 席卷重来。
我觉得在 AI 这个领域真的没有什么是经久不衰,一起保持敬畏之心吧。